Académique Documents
Professionnel Documents
Culture Documents
Algoritmo Levenberg Marquardt Algoritmo es una variación del método de Newton que fue
designada para minimización de funciones que son de sumas de cuadrados de otras funciones no
lineales. Esto es muy adecuado para la formación de redes neuronales donde el índice de
rendimiento es el error cuadrático medio.
Algoritmo básico
Levenberg – Marquardt
xk+1 = xk-[JT(xk)J(xk)+ukI]-1JT(xk)v(xk)
Este algoritmo tiene la característica muy útil que, a medida que aumenta, se acerca al algoritmo
de descenso más pronunciado con una pequeña tasa de aprendizaje:
Mientras que a medida uk que se reduce a cero, el algoritmo se convierte en Gauss-Newton.
El algoritmo comienzan con uk establece un valor pequeño (e.g.,uk=0.01). Si un paso produce un
valor menor para F(x), entonces el paso se repite con uk multiplicados por algunos factores >1
(e.g., =10). Eventualmente F(x) debería disminuir, ya que estaríamos dando un pequeño paso
en la dirección de la pendiente descendiendo. Si un paso produce un valor menor para F(x),
que uk se dividido por para el siguiente paso, para que el algoritmo se acerque a Gauss-
Newton, que debería proporcionar una convergencia más rápida. El algoritmo proporciona un
buen compromiso entre la velocidad del método de Newton y la convergencia garantizada del
descenso más pronunciado.